在无症状C9orf72和SOD1变异携带者中,与已确立的肌缩侧面硬化症相比,不同大脑网络活动不同

科学领域:

• 神经科学是一个神经科学.
• 遗传学 是一个遗传学.
• 生物标志物发现发现

背景情况:

• 肌缩侧面硬化症 (ALS) 有遗传成分,其中C9orf72扩张和SOD1变异占~10%的病例.
• 了解风险人群中预症状生物变化对于开发预防性ALS疗法至关重要.
• 磁脑电图 (MEG) 与机器学习相结合,提供了一种模拟大脑网络动态和识别风险人群中的生物标志物的方法.

研究的目的:

• 为了研究和比较因C9orf72或SOD1基因变异而面临ALS高风险的个体的大脑网络动态.
• 确定潜在的生物标志物,用于早期检测和监测疾病进展或预症状ALS治疗干预的疗效.
• 为了区分与C9orf72和SOD1相关的神经生物学途径,ALS的遗传风险因素.

主要方法:

• 在休息状态下对有症状的ALS患者 (symptoms),无症状的C9orf72携带者 (aC9),无症状的SOD1携带者 (aSOD) 和健康对照进行了MEG记录.
• 分析包括区域振荡功率,连接性和光谱形状指标,机器学习模型 ("DyNeMo") 识别了六个功能性大脑网络.
• 使用MEG指标训练了一个分类器,以区分无症状基因携带者与对照者.

主要成果:

• 与对照组相比,simALS和aC9组的β频率功率降低了.
• aC9组表现出正面振荡减速,而aSOD组表现出振荡加速.
• 在aC9中,动态网络协作激活被显著破坏,比在simALS和aSOD组中更严重. 在区分风险组与对照组时,分类器获得了0.89的AUC.

结论:

• 在aC9个体中,大脑网络的动态与aSOD和simALS显著不同,这表明C9orf72相关的ALS中存在明显的上游病理路径.
• 观察到的aC9的变化可能反映了神经发育因素或影响ALS透性的系统漏洞.
• 作为评估预防疗法的有效性和预测ALS遗传风险人群中的表转换的生物标志物,MEG指标显示出有前途.